数字图像匹配算法的改进及研究

本文从数字图像匹配运算的速度与精度方面出发，详细地讨论了数字图像匹配算法的改进，经粗略匹配和亚像素级精确匹配以后可快速得到亚像素级匹配点．计算机仿真实验表明．本文给出的改进匹配算法与现行的最小误差法和最大相关系数法相比，在1／20亚像素分辨率条件下的运算速度提高了大约5倍。     

图像情感语义分类及检索研究

提高情感语义映射和检索的准确率是图像检索的研究主题。在情感语义映射模型中,将图像的形状七阶矩和颜色矩作为模糊神经网络的输入,对网络的权值和阈值进行二进制编码,作为遗传算法的染色体串,通过遗传算法寻优得到情感语义映射效率最高的个体编码。在检索模型中,用遗传算法对图像匹配算法进行优化,直接找到最适合匹配的子模板坐标。相比传统的序贯相似检测算法,模型大大提高了图像匹配的效率。通过查全率与查准率的对比结果可知,经遗传算法优化后,图像情感映射和检索的性能均得到了明显提升。     

一种改进的混合遗传算法及其应用

将遗传算法和模拟退火算法进行了有机结合,并采用一种自适应的交叉和变异概率,提出了一种改进的混合遗传算法--自适应的模拟退火遗传算法.通过旅行商问题的仿真实验,对比遗传算法和模拟退火算法的实验结果,这种混合遗传算法改进了传统遗传算法的性能,并且提高了整个算法的收敛速度,拥有更好的优化性能.     

一种基于机器码存储的改进遗传算法的应用研究

提出了一种基于机器码存储的改进遗传算法，适于优化大型多变量问题。开发的C 基本位操作算子，使此算法仍可沿用传统二进制遗传算法的交叉变异操作。这一算法在内存和时间上占优势，是一种稳健的、全局搜索能力较强的优化算法，并在建立河北省某地区的年降雨神经网络预测模型的实践中得到了验证。     

基于改进遗传算法进化神经网络

本文提出一种新颖的基于实数编码的改进遗传算法用于神经网络的训练，该算法采用基于代沟最小的代选择模型，选用BLx—α混合交叉算子。算法简单、鲁棒性强，优化兆效率高，并将该神经网络应用于非线性系统预测，仿真结果证实该方法是快速有效的。     

水电站(N+M)容错系统优化模型求解的遗传算法

本文根据(N M)容错系统优化模型高度非线性和复杂性的特点，采用具有高效、并行、全局性的遗传算法来实现此类复杂模型的优化求解．针对改进模型的特点。从编码、适应值、复制算子、交叉和变异算子以及控制参数的选取等多方面进行了遗传算法设计；用MATLAB语言实现了遗传算法．求得的结果验证了算法的正确性和有效性；算法性能分析证明了所设计的改进的交叉算子和随遗传代数成正态变化的变异概率等对改善遗传算法的搜索效率具有明显效果．     

基于BSO GA算法的机器人子区域覆盖路径规划

为解决传统子区域覆盖路径规划方法的环境普适性不足等问题,课题组设计了专门的头脑风暴 遗传算法BSO GA。对原始头脑风暴算法个体更新方式进行了改进,单个个体更新采用遗传算法移位、倒位和换位算子的思想,混合个体更新采用贪心交叉算子。实验结果表明：BSO GA在距离、运行时间上均优于头脑风暴算法、遗传算法、模拟退火算法和遗传 模拟退火算法;无论在普通作业环境还是特殊作业环境,该算法覆盖率均能达到100%,且没有路径交叉及重复现象,能够较好地完成覆盖任务。     

基于GA+PR的项目管理成熟度持续改进模型

在分析经典项目管理成熟度持续改进问题的基础上,建立了资源约束条件下项目管理成熟度持续改进模型,基于模糊理论提出了正向贴近度和负向贴近度概念,用以对战略均衡匹配性进行度量。同时,应用可能性理论对所建模型进行了确定性转换,并采用基于路径再连接算法思想改进的遗传算法(GA+PR)对模型求解,获得了较好的求解效果。仿真结果具有实践指导意义。     

基于原子能量特性的快速图像匹配追踪(英文)

稀疏分解在图像处理中应用的关键障碍之一是图像稀疏分解速度十分缓慢。针对这一问题,提出了一种新的图像稀疏分解的匹配追踪快速算法。研究了图像稀疏分解中使用的原子的能量分布特性,根据原子能量的分布特性,图像匹配追踪中的绝大部分的计算可以省略,因而极大地提高了图像匹配追踪的计算速度。实验结果表明,新的算法比传统的图像匹配追踪算法速度提高了许多倍,而恢复图像的质量没有任何的降低。     

一种改进的多目标微遗传算法

本文在回顾多目标进化算法发展的基础上,首次引进一种新的交叉算子(多个体交叉)对已有的微遗传算法进行改进,提出了一种多亲微遗传算法(MPMGA).通过理论分析和实验测试中度量距阵值的比较两方面说明,多亲微遗传算法在一定程度上提高了MGA的效率,增加了解群的多样性,使解在Pareto目标域上的分布更加均匀,解的精度也有所提高.     

基于最大互信息方法的机械零件图像识别

提出了应用最大互信息方法进行零件图像识别的方法,它利用图像的信息熵描述图像的特征,结合图像的颜色信息及局部形状信息,以互信息作为衡量两幅图像相似性的测度函数进行图像识别,弥补了直方图表达空间信息的不足。该方法既满足位置不变性,又能避免进行图像分割,从而避免了因图像分割引起的复杂计算,使算法容易实现。实验结果表明,该方法提高了零件图像识别的精度、稳定性和可靠性。     

SIFT匹配算法在视频拼接中的优化应用

在视频拼接中．由于视频帧存在噪音大,光线变化、模糊以及旋转等情况,传统的SIFT算法处理后出现了较多的错误匹配点时。为了提高匹配的准确率,提出了一种优化的SIFT算法：在SIFT算法的图像匹配过程中,计算所有匹配点对所确定的直线的偏转角度,设置一个角度误差范围,对匹配点对进行角度误差约束筛选,根据得到的匹配点对时偏移量进行精确计算,实现视频帧的融合。最后通过大量实验,验证了优化后的SIFT算法更加准确地对视频帧进行匹配拼接,消除了重复区域拼接的模糊性,符合视频拼接对于偏移量计算的精确要求,实现了视频拼接的实时性和高效性。     

基于harris角点的电子稳像算法研究

研究了一种基于harris(哈里斯)角点匹配的电子稳像算法。为了实现电子稳像,该算法首先从震动图像中搜索所有的哈里斯角点,然后选择左上角的角点作为模板,在震动前的图像中寻找匹配部分,从而计算出运动向量,最后根据该运动向量计算出稳定的图像。结果表明,该算法是一种快速、高效而且稳定的方法,在井下智能监控系统的应用中能取得良好的效果。     

新型的无监督纹理分割方法

提出了一种利用Gabor滤波器组对图像进行纹理特征提取,然后将这些特征向量作为外部刺激输入给PCNN对图像进行分割的新方法。该方法既保持了精确的分割结果,同时又解决了Gabor滤波器运算数据量大处理速度慢的问题。从实验结果可以看出,该方法与传统采用Gabor的纹理分割方法相比速度有很大的提高,而其分割精度与传统分割方法相似。     

点模式指纹匹配算法研究与实现

指纹匹配是实现指纹识别的重要环节,针对如何提高识别率、减少算法复杂度,介绍了一种点模式的指纹匹配算法。其优点是:将匹配分为两步进行,减少了拒判时间;初匹配利用了细节点间的局部结构关系,既克服了图像的平移和旋转也得到了更精确的坐标校准参数;二次匹配阶段,整合多种判决条件作为识别的依据,提高了识别率。其实验结果表明,该算法复杂度低,识别率较高,有较强实用价值。     

基于权重阈值的图像匹配方法

针对尺度不变特征变换(SIFT)算法在低照度情况下存在匹配特征点数目少，会丢失部分重要信息的问题，课题组提出先对图像进行预处理，即增强对比度，提高亮度，使特征信息更明显，特征点更充足，再使用SIFT算法提取特征点；针对SIFT算法因特征描述符维数过多导致耗时长，实时性差的问题，课题组提出一种新的特征点描述方式，降低了描述符维数，提高了算法运行速度；最后，针对SIFT算法匹配过程中对描述符所有维度设置统一阈值易造成误匹配的问题，课题组提出一种权重阈值的方法，对距离特征点不同位置的种子点设置不同的阈值，提高匹配正确率。实验表明：与SIFT算法以及PCA SIFT算法相比，改进的算法匹配精度提高了10%~20%；同时，匹配时间也有所提高。该算法既有效提高了匹配正确率，又缩短了算法运行时间。     

基于虚拟网格技术的自适应车辆跟踪算法的研究

为了解决车辆跟踪速度、精度、非线性等问题,引入简化跟踪目标图像信息的虚拟网格技术,结合改进的Kalman预测理论,构建自适应车辆跟踪算法,利用该算法完成对移动目标车辆进行实时检测跟踪。测试结果验证了算法提高视频图像中移动目标跟踪速度,且以较高的精确性对单个、多个移动目标进行检测跟踪。     

面向服务组合的服务语义匹配机制

为提高服务组合中服务匹配速度和正确率,提出了基于服务索引的服务语义匹配机制。在面向独立服务匹配算法基础上,引入服务索引机制,提出面向服务组合的语义匹配算法,并在算法中加入了对服务输入/输出匹配的可用性分析。为进一步提高服务匹配的精确性,引入了语义匹配度概念,以实现具有多种匹配值的服务类别语义匹配,继而给出综合语义匹配值的计算方法。实验分析表明基于服务索引的语义匹配能有效地提高服务匹配效率。     

关于光线投射算法的OpenGL高效实现

采用光线投射算法对二维(2D)图片实现三维(3D)重建,用3线性插值算法计算每个采样点的颜色值和不透明度,提高三维重建图像后的精度。该算法实现主要借助于OpenGL函数库及其三维观察矩阵,以其精确计算规则三维数据场在观察方向上的二维投影区域,减少了光线投射算法中投射光线数量。根据Phone光照模型为数据场预先计算和保存明暗表,并通过优化常规现实代码,有效地提高了光线投射体绘制算法的效率。该算法既保证了精度,又提高了显示的速度。     

Delaunay三角剖分插值用于超分辨成像

微变焦超分辨成像在插值重建方面比较困难,目前基于最小二乘估计的频域模型和空域模型也都存在一些局限性。为了兼顾超分辨成像的实时性和精确性,该文在图像重建过程中,借鉴Delaunay三角剖分的数学概念,采用随机增量算法,定义了基于Delaunay三角剖分的插值算法。该算法可以提高分辨率,降低运算量。仿真实验结果表明,该算法在图像重建的时间和均方误差方面,均优于共轭梯度最小二乘法,其中基于Delaunay三角剖分的三次方插值算法的优越性更为突出。